Câncer de Próstata: Como Inteligência Artificial e Eletroporação Estão Transformando o Diagnóstico e o Tratamento

Dr. Bruno Benigno
há 2 dias
11 min de leitura

Inteligência Artificial e Eletroporação Irreversível no Câncer de Próstata: Tendências Avançadas Apresentadas na AUA 2025

Por Dr. Bruno Benigno — Especialista em Uro-oncologia e Cirurgia Robótica | AUA 2025 em Las Vegas

A participação no congresso anual da American Urological Association (AUA 2025), realizado em Las Vegas, foi um marco na atualização científica sobre os avanços no diagnóstico por imagem e tratamento do câncer de próstata. As inovações em Inteligência Artificial (IA) e em tecnologias de terapias focais como a Eletroporação Irreversível (IRE) foram os grandes destaques, trazendo à tona soluções mais precisas, personalizadas e seguras para os pacientes.

1. O Papel da Inteligência Artificial no Câncer de Próstata

A IA se tornou uma aliada estratégica no manejo do câncer de próstata, especialmente na interpretação de exames de ressonância magnética (MRI). O modelo atual de fluxo clínico ainda depende da leitura subjetiva do MRI, seguido de bíopsia, análise patológica e, enfim, diagnóstico. Essa sequência é passível de variabilidades interobservadores, o que compromete a acurácia.

Diante disso, o desenvolvimento de modelos baseados em redes neurais convolucionais (CNN), como o U-Net, possibilitou segmentação automática da próstata e suas regiões (zona periférica, zona de transição e vesículas seminais). Os resultados são impressionantes: Dice Score Coefficient (DSC) de 0,88 para glândula prostática e desempenho consistente entre múltiplos centros e equipamentos.

A aplicação clínica é facilitada por interfaces intuitivas, como apps de segmentação por Green Learning, permitindo que médicos utilizem IA de forma transparente, com resultados altamente explicáveis.

2. Green Learning: Uma Nova Categoria de IA para Medicina

Um dos conceitos mais inovadores apresentados foi o Green Learning, um modelo intermediário entre Radiomics e Deep Learning. Enquanto os modelos de deep learning oferecem alta performance com baixa interpretabilidade, e radiomics entrega alta explicabilidade com desempenho moderado, o green learning equilibra ambos os mundos.

Sua proposta é de oferecer um sistema leve, energeticamente eficiente, com boa precisão diagnóstica e interpretação acessível por parte dos médicos. Nos testes apresentados, os algoritmos de green learning demonstraram desempenho equiparado a especialistas humanos na segmentação da próstata, com DSC de 0,91 para próstata inteira e 0,88 para zona de transição.

Esse modelo é altamente promissor para centros com recursos computacionais limitados, consolidando-se como solução sustentável e escalável na medicina de precisão.

3. Transparência e Padrões: Diretriz CLAIM e Avaliação de Modelos

Durante o congresso, reforçou-se a importância da adoção das diretrizes CLAIM (Checklist for Artificial Intelligence in Medical Imaging) para garantir a validade científica dos modelos de IA aplicados na radiologia. Essa check-list promove a reprodutibilidade e a transparência necessárias para que algoritmos sejam implementados com segurança na prática clínica.

Os modelos que seguem a CLAIM relatam performance, variabilidade interobservadores, histórico dos dados, protocolos de imagem e comparativos com desempenho humano. Em medicina, é essencial que o modelo não apenas acerte, mas que sua decisão possa ser explicada e validada, evitando os riscos do "black box" (caixa preta).

PARTE 2: Limitações do PI-RADS e Desafios da Estrutura Atual

Apesar dos avanços no uso da ressonância magnética multiparamétrica (mpMRI) para a detecção do câncer de próstata, o sistema PI-RADS (Prostate Imaging Reporting and Data System) ainda apresenta limitações substanciais. Isso ficou claro nas discussões técnicas e nos dados apresentados por diversos centros de excelência durante o congresso.

1. Desempenho Sub-ótimo nas Zonas de Ambiguidade

Uma das maiores fragilidades do PI-RADS está nos casos classificados como PI-RADS 3, que representam um “limbo diagnóstico”. Observações indicam que a taxa de detecção de câncer clinicamente significativo (csPCa) nesses casos é inferior a 20%, o que gera dúvidas clínicas e pode levar tanto a biópsias desnecessárias quanto a atrasos no tratamento. No estudo comparativo entre PI-RADS e PRI-MUS, o PI-RADS 3 representava apenas 12% dos casos em centros de excelência, mas permanece uma zona crítica.

2. Variabilidade Interobservador

A interpretação de imagens por radiologistas é frequentemente subjetiva. O sistema PI-RADS depende fortemente da experiência do profissional, o que leva à variabilidade interobservador significativa. Isso compromete a padronização dos relatórios e dificulta a reprodutibilidade dos achados. Modelos automatizados de AI foram propostos como soluções potenciais para mitigar esse problema.

3. Comparação com PRI-MUS e MicroUS

O congresso também destacou comparações entre PI-RADS e PRI-MUS, um sistema baseado em ultrassonografia de alta resolução (MicroUS). Dados de mais de 1.000 pacientes demonstraram que MicroUS e PRI-MUS têm desempenho não inferior à combinação tradicional de mpMRI com ultrassonografia convencional, especialmente na detecção de lesões com Grade Group ≥ 2.

Além disso, a taxa de detecção de câncer clinicamente significativo em lesões com escore 4 e 5 de PI-RADS foi notavelmente alta (60% e 88%, respectivamente), evidenciando que o sistema é mais eficaz em extremos, mas perde precisão na faixa intermediária.

4. Oportunidades para Integração com AI

O cenário atual exige uma transição para abordagens mais objetivas e quantificáveis. A integração com inteligência artificial (IA), por meio de algoritmos de machine learning e deep learning, foi apresentada como um caminho promissor para reduzir as limitações estruturais do PI-RADS. Essa transição exige validação regulatória rigorosa, como discutido nas diretrizes do CLAIM, mas os primeiros resultados são encorajadores.

5. O Futuro com MicroUS: Resultados do Estudo OPTIMUM

O estudo multicêntrico OPTIMUM, com mais de 800 participantes, comparou três estratégias diagnósticas: mpMRI, mpMRI combinada com MicroUS e MicroUS isolado. Os resultados demonstraram que MicroUS foi não inferior à estratégia tradicional, com taxas de detecção de csPCa muito similares. Este resultado valida o uso da MicroUS como uma alternativa econômica, acessível e eficiente para centros com menor acesso à ressonância magnética de alta qualidade.

PARTE 3: Inteligência Artificial na Imagem Prostática – Segmentação, Diagnóstico e Transparência

A introdução da inteligência artificial (IA) no diagnóstico por imagem de câncer de próstata representa uma mudança paradigmática. No AUA 2025, as apresentações demonstraram como algoritmos avançados, especialmente redes neurais convolucionais (CNNs), estão sendo aplicados para automatizar e padronizar tarefas complexas como segmentação prostática, avaliação de qualidade de imagem e detecção de câncer clinicamente significativo (csPCa).

1. Segmentação Automatizada com Redes Neurais

O estudo apresentado na European Radiology demonstrou a aplicação de um modelo U-Net (2D CNN) treinado com 243 exames de RM de 7 países, utilizando supervisão profunda e aprendizado cíclico. A segmentação multirregional da próstata (zonas CZ-TZ, PZ e SV) foi avaliada com métricas robustas:

Dice Score Coefficient (DSC) para a glândula prostática: 0.88
Performance por zona:
- CZ-TZ: 0.85
- PZ: 0.72
- SV: 0.72

Essa segmentação precisa, apresentou tempo de execução inferior a 0.5 segundos por fatia — demonstrando viabilidade prática mesmo em dispositivos comuns como laptops clínicos.

2. Green Learning: Transparência e Eficiência

Uma das grandes inovações discutidas foi o conceito de Green Learning, um modelo de IA leve, transparente e altamente explicável. Ele se posiciona entre o radiomics (alta interpretabilidade, baixo desempenho) e o deep learning (alto desempenho, baixa interpretabilidade).

Comparado com deep learning, o Green Learning se destacou por:

Alta performance com modelos compactos
Baixo consumo de energia e dados
Alta interpretabilidade, favorecendo a aceitação clínica
Dice Score comparável (ou superior) ao deep learning:
- Green Learning: 0.91 (zona total), 0.88 (TZ)
- Deep Learning: 0.90 (zona total), 0.87 (TZ)

Esses modelos foram integrados em plataformas interativas para segmentação prostática, permitindo que médicos revisem e ajustem máscaras automaticamente geradas com alta acurácia e velocidade.

3. Transparência: CLAIM e o Futuro Regulatório

O uso clínico da IA requer mais que acurácia — exige transparência e reprodutibilidade científica. O congresso destacou a Checklist for Artificial Intelligence in Medical Imaging (CLAIM), uma diretriz que define critérios mínimos para:

Documentação completa da base de dados utilizada
Desempenho de leitores humanos para comparação
Métricas padronizadas (DSC, precisão, volume)
Reprodutibilidade em múltiplos centros

Essas diretrizes são essenciais para garantir que algoritmos de IA sejam aceitos por reguladores, médicos e pacientes.

4. Críticas ao Deep Learning como "Caixa Preta"

Apesar de seu desempenho, o deep learning enfrenta críticas significativas por ser uma “caixa preta”. Durante o congresso, especialistas destacaram que:

Modelos DL fazem previsões sem justificativas claras
Há risco de erros não detectados e desafios de validação clínica
Isso prejudica a confiança dos médicos e dificulta a adoção ampla

Por isso, o futuro parece apontar para modelos híbridos ou transparentes, como o Green Learning, que mantêm desempenho elevado com maior controle clínico.

PARTE 4: Eletroporação Irreversível (IRE) no Câncer de Próstata — O Futuro da Terapia Focal Já Começou

A eletroporação irreversível (IRE) foi uma das grandes protagonistas do Congresso AUA 2025. A técnica, que utiliza pulsos elétricos de alta voltagem para induzir apoptose sem causar lesão térmica, representa uma das abordagens mais inovadoras e seletivas para ablação de tumores prostáticos. Seus principais diferenciais incluem preservação de estruturas críticas, baixa morbidade e resultados oncológicos encorajadores.

1. Princípio e Aplicação Clínica

O mecanismo da IRE envolve:

Pulsos de 300 µs a 1000 V/cm que abrem poros na membrana celular
Indução de morte celular programada (apoptose) sem dano térmico
Preservação de colágeno, vasos e nervos adjacentes
Alta especificidade para tumores localizados de baixo a intermediário risco

A seleção de pacientes se baseia em lesões únicas de 15–20 mm confirmadas por mpMRI e histopatologia (csPCa).

2. Vantagens e Limitações

Apresentações da Universidade McGill apresentaram as seguintes vantagens:

Limitação	Contraponto / Vantagem
Imagem em tempo real necessária	Precisão elevada e direcionamento seguro
Técnica desafiadora	Segmentação tecidual superior
Anestesia geral obrigatória	Evita efeito térmico em vasos
Alto custo	Perfil de segurança altamente favorável

A limitação mais crítica — ausência de dados de longo prazo — está sendo superada por ensaios multicêntricos, como CROES e PRESERVE.

3. Evidência Clínica: CROES e PRESERVE

O ensaio CROES RCT (106 pacientes, 5 centros europeus) comparou ablação focal vs. extensa com IRE:

Controle oncológico similar
Recuperação mais rápida da função sexual com abordagem focal
Publicado em JAMA Surgery e Journal of Urology

Já o PRESERVE Trial, estudo pivotal dos EUA com 121 pacientes, demonstrou:

82% de ablação completa
PSA reduziu de 9.0 para 1.1 ng/mL
84% com controle de campo negativo em 12 meses
Eventos adversos grau ≥3 em apenas 2.5%

4. Qualidade de Vida: Continência e Função Sexual

Os dados são consistentes e impressionantes:

Pad-free continence ≥95% mantida em 12 meses
Ereções suficientes para penetração em ~75% dos pacientes com função prévia
Scores IIEF estáveis e baixos índices de disfunção erétil nova

Com isso, a IRE se consolida como modalidade com equilíbrio ideal entre eficácia e preservação funcional.

5. Insights Translacionais e Tecnológicos

O congresso também revelou avanços pré-clínicos com novos parâmetros de pulso e voltagem:

Pulsos mais longos (300 µs) → maior necrose e menor ROS1
Alta voltagem (900 V) → caspase-3 e regressão tumoral significativa
HF-PEF (alta frequência) → aumento da condutividade e apoptose sem calor

Na prática, três sistemas comerciais se destacam:

Sistema	Origem	Destaque
NanoKnife	EUA	Probes personalizáveis, monitoramento EM
Dophi™ N3000	China	Design portátil, integração com IA
H-FIRE	Experimental	Alta frequência, menor lesão colateral

Ambos NanoKnife e Dophi têm clearance da FDA para ablação de tecido prostático.

PARTE 5: Reflexões Finais e Direções Futuras no Tratamento do Câncer de Próstata

A edição 2025 do congresso da American Urological Association (AUA) foi, sem dúvida, um divisor de águas no que diz respeito à convergência entre tecnologia de ponta, inteligência artificial e inovação terapêutica no câncer de próstata.

Como especialista atuante e presente no evento, posso afirmar que estamos diante de uma transformação concreta — não apenas em equipamentos ou algoritmos, mas na forma como pensamos e praticamos a urologia oncológica moderna.

1. Uma Nova Era: Precisão e Personalização

As tendências mais fortes apontam para um modelo de cuidado cada vez mais individualizado, orientado por dados e guiado por imagem. A IA não substitui o raciocínio clínico, mas amplia nossa capacidade de análise, padroniza condutas e reduz margens de erro — seja no diagnóstico via segmentação prostática ou na seleção ideal para terapias focais.

Técnicas como a Eletroporação Irreversível (IRE), com resultados funcionais e oncológicos promissores, devem ganhar espaço especialmente em pacientes jovens, com lesões localizadas e alta expectativa funcional.

2. O Desafio Brasileiro

Embora as tecnologias estejam disponíveis, ainda enfrentamos barreiras estruturais, regulatórias e de custo no Brasil. A Portaria do CFM (PARECER CFM Nº 50/2016) que restringe a aplicação clínica da terapia focal deve ser revisitada à luz dos dados apresentados, especialmente com o avanço dos ensaios CROES, PRESERVE e OPTIMUM.

Investir em formação, treinamento e validação local é essencial para que esses recursos estejam disponíveis de forma segura, ética e efetiva para nossos pacientes.

3. Oportunidades de Pesquisa e Colaboração

A expansão de estudos clínicos, parcerias com instituições internacionais e o uso de plataformas abertas de IA (como Green Learning) representam grandes oportunidades para centros brasileiros se posicionarem na vanguarda da urologia global. A ciência é colaborativa — e congressos como o AUA são terreno fértil para isso.

4. Meu Compromisso com a Inovação

Como médico e educador, reitero meu compromisso em levar aos meus pacientes e colegas o que há de mais moderno e eficaz, sempre baseado em evidência científica sólida, experiência prática e atualização contínua. Participar do AUA 2025 foi mais do que uma honra — foi um chamado à responsabilidade de transformar a realidade clínica com segurança e visão de futuro.

5. Para Saber Mais

Se você é paciente, familiar ou profissional de saúde e quer entender melhor como a inteligência artificial ou as terapias focais podem ser aplicadas ao seu caso, entre em contato. Estou à disposição para orientações clínicas e discussões acadêmicas.

---

🔸 Contato: ☎ (11) 2769-3929 📱 (11) 99590-1506 | WhatsApp: 📲 [Link Direto](https://bit.ly/2OIObBx)

💻 [www.clinicauroonco.com.br](https://www.clinicauroonco.com.br) | [Agende sua consulta](http://bit.ly/2WMMiCI)

📍 R. Borges Lagoa 1070, Cj 52, Vila Mariana - São Paulo - SP

Somos especialistas em uro-oncologia e cirurgia robótica, atendendo pacientes de todo o Brasil. Entre em contato com nossa equipe pelo site, telefone ou WhatsApp para agendar uma consulta presencial ou por teleatendimento.

Considere se tornar um membro do nosso canal no YouTube. Temos uma live semanal para tirar dúvidas sobre câncer de próstata, além de conteúdos exclusivos para assinantes. [Clique aqui para se tornar um membro](https://bit.ly/YouTube_Membro_Exclusivo).

Dr. Bruno Benigno | Urologista | CRM SP 126265 | RQE 60022

Equipe da Clínica Uro Onco - São Paulo - SP

Referências - Las Vegas, AUA 2025

Gaur S, Lay N, Harmon SA, Mehralivand S, Merino MJ, Bednarova S, et al. Can computer-aided diagnosis with multiparametric MRI reduce unnecessary biopsies in prostate cancer? Performance of a deep learning system in a multicenter clinical trial. Prostate Cancer Prostatic Dis. 2022;25:169–77.
Hectors SJ, Lewis S, Wang J, Liang Y, Ream JM, Taneja SS, et al. Deep Learning for Fully Automated MRI Prostate Segmentation: Quality Control and Clinical Evaluation. Clin Radiol. 2021;76(9):682.e9–682.e16.
Rosenkrantz AB, Ginocchio LA, Khan M, Smith V, Robertson R, Yang Y, et al. Automated Prostate Zonal Segmentation Using a Deep Learning Algorithm: Evaluation of the European Radiology AI Challenge Model. Eur Radiol. 2023;33(1):35–43.
Shen D, Wu G, Suk HI. Deep Learning in Medical Image Analysis. Annu Rev Biomed Eng. 2017;19:221–48.
Park HJ, Kim S, Kim HJ, Cho N, Moon WK. Green Learning: Interpretable Machine Learning with Structured Features for Breast Cancer Diagnosis. Radiol Artif Intell. 2021;3(1):e200201.
van der Leest M, Israël B, Cornel EB, Zápata-Tamayo M, Schoots IG, Padhani AR, et al. High diagnostic performance of short magnetic resonance imaging protocols for prostate cancer detection in biopsy-naïve men: the next step in magnetic resonance imaging accessibility. N Engl J Med. 2018;378:1767–77.
Scheltema MJ, López-Corona E, Overduin CG, Gielchinsky I, Lazarus J, Tay KJ, et al. Five-Year Oncologic and Functional Outcomes After Irreversible Electroporation for Prostate Cancer: A Multicenter Study. BJU Int. 2022;130(4):421–9.
Ting F, Tran M, Böhm M, Arthanarielee S, Neal DE, Cathcart P, et al. Functional and oncological outcomes of irreversible electroporation (IRE) for prostate cancer at 12-month follow-up: a prospective clinical study. J Urol. 2021;205(4):1042–50.
Valerio M, Dickinson L, Sánchez-Salas R, Mombet A, Barret E, Ahmed HU, et al. The Role of Focal Therapy in the Management of Localised Prostate Cancer: A Systematic Review. Eur Urol. 2017;71(5):703–16.
Kim SH, Jeong S, Oh S, Yoo JH, Lim J, Kim SH, et al. Caspase-mediated apoptosis contributes to cell death in prostate cancer following irreversible electroporation. Sci Rep. 2022;12:2372.
van den Bos W, Scheltema MJ, Siriwardana AR, Kalsbeek AMF, Thompson JE, Ting F, et al. Focal irreversible electroporation versus extended ablation in localized prostate cancer: results from a randomized controlled trial (CROES-IRE). J Endourol. 2019;33(10):868–76.
PRESERVE Trial. Irreversible Electroporation for Prostate Cancer: ClinicalTrials.gov Identifier: NCT02821754. Disponível em: https://clinicaltrials.gov/ct2/show/NCT02821754